Regionala skillnader i det svenska vägnätets sårbarhet Erik Jenelius Centrum för Transportstudier (CTS) / Avd. för transport- och lokaliseringsanalys, KTH Stockholm jenelius@infra.kth.se

Projektet http://www.infra.kth.se/tla/projects/vulnerability/ ”Sårbarhetsanalyser av vägnät” Handledare Prof. Lars-Göran Mattsson Assist. handledare Dr. Katja Vourenmaa Berdica Tidsperiod 2007-2010 Finansieras av Vägverket och Vinnova http://www.infra.kth.se/tla/projects/vulnerability/

Sårbarhetsanalys Motivering Ibland inträffar händelser i vägnätet som reducerar dess funktionsduglighet Kan ge svåra konsekvenser för samhälle och näringsliv För människor: försämrad samhällsservice och tillgänglighet till arbete, skola, dagis, handel, nöjen, etc. För företag: Försenade leveranser, ökade transportkostnader, etc.

Avbrott i vägnätet

Sårbarhetsanalys Mål I förväg identifiera scenarion som skulle ge svåra konsekvenser för samhället skulle kunna inträffa i framtiden Viktiga deluppgifter: identifiera kritiska punkter/områden där incidenter är troliga eller skulle ge särskilt svåra konsekvenser identifiera användare/regioner som skulle bli särskilt drabbade vid ett avbrott

Sårbarhetsanalys Värde I planeringsstadiet: Anpassa lokalisering/standard på nya vägar efter risker Stödja projekt som ger redundans till befintliga vägar I drift/underhållsstadiet: Resursallokering Sannolikheten för incidenter kan minskas genom uppgradering och underhåll Konsekvenser kan minskas genom information och snabb återställning

Koncept Betydelsefullhet En länk eller ett område är betydelsefullt om ett avbrott där skulle ha allvarliga konsekvenser för resenärer överlag Regional betydelsefullhet: Genomsnittlig betydelsefullhet hos länkarna i regionen (t.ex. kommun) Ett operatörsperspektiv på sårbarhet

Koncept Utsatthet En grupp resenärer är utsatt mot ett särskilt scenario om det skulle orsaka allvarliga konsekvenser för gruppen T.ex. worst-case eller genomsnitts-scenario Regional utsatthet: genomsnittlig konsekvens för en resenär i regionen vid avbrott på länk någonstans i vägnätet Ett resenärsperspektiv på sårbarhet

Vårt fokus Storskaliga verkliga vägnät (t.ex. hela Sverige) Fullständig analys (”alla” länkar/resenärer) Dra generaliserbara slutsatser (varför?)

Konsekvensmått & modell Enkel indikator: Restidsökningar vid enbart ruttförändringar (fix reseefterfrågan) Resenärer antas minimera restid I beräkningarna antas länkrestider inte påverkas av avbrott (oförändrad trängsel) Data från modellsystemet SAMPERS: Nätverk (noder, länkar) Restid per länk Reseefterfrågan mellan zoner (efterfrågenoder)

Konsekvensmått & modell Ibland finns inga alternativa rutter Otillfredsställd efterfrågan: Resor som inte kan genomföras under avbrottet Vi beräknar försening som väntetid från önskad avresetidpunkt tills avbrottet avhjälps, antar tidskonstant reseefterfrågan

Yttäckande avbrott Avbrott över större område (t.ex. snöoväder) Studieområdet täcks av rutnät Varje ruta representerar omfattningen av en avbrottshändelse Alla länkar som korsar rutan stängs, övriga länkar opåverkade

Yttäckande avbrott Flera förskjutna rutnät används för att öka noggrannheten (fler scenarion täcks in) Varje punkt i studieområdet täcks av lika många rutor (ingen snedvridning) Undviker kombinatoriska problem med avbrott på många länkar

Regionala skillnader i sårbarhet Betydelsefullhet: Var får avbrott på enskilda länkar och större områden störst totala konsekvenser? Utsatthet: Vilka regioner påverkas mest av avbrott på enskilda länkar och större områden? Kan eventuella skillnader förklaras av egenskaper hos vägnät, res- och bebyggelsemönster?

Länkars betydelsefullhet Total försening vid avbrott på länk Vägar med hög trafik och/eller dåliga (inga) alternativ betydelsefulla Betydelsefullhet (ranking)

Yttäckande avbrott 25 km rutor, fyra rutnät Varje liten ruta på kartan visar genomsnittliga betydelsefullheten hos de fyra överlappande rutorna Stor efterfrågan (befolkning) ger stora konsekvenser - inga alternativ

Förhållande område/länk Konsekvenser av avbrott i hela rutan jämfört med i genomsnitt på enskild länk i rutan Skillnaden störst där både befolkning och nätverk är täta

Regional betydelsefullhet Total försening för resenärer i hela nätverket p.g.a. avbrott på länk i regionen

Regional betydelsefullhet Enskild länk: Stora konsekvenser om dåliga alternativ och/eller högt trafikflöde Hypotes: Genomsnitt för region: Stora konsekvenser om glest nätverk och/eller högt genomsnittligt trafikflöde

Regional utsatthet Genomsnittlig försening för resenär som startar i regionen p.g.a. avbrott på länk i hela nätverket

Regional utsatthet Enskild resa: Stora förväntade konsekvenser om dåliga alternativ och/eller lång resa Hypotes: Genomsnitt för region: Stora konsekvenser om glest nätverk och/eller lång genomsnittlig restid

Hur mäta nätverks täthet? Ett träd-format nätverk saknar helt omvägar och redundans Fler länkar skapar fler och kortare omvägar (mätt i antal länkar) Mått på länkredundans: antal länkar / antal noder i regionen = ”beta-index” Länkarnas längd också viktigt Mått på nätverkets skala: genomsnittlig länklängd i regionen Dessa två tillsammans fångar nätverkets täthet

Hur mäta nätverks täthet? Enklare mått: Vägtäthet = Regionala vägnätets totala längd / Regionens area Ännu enklare mått: Befolkningstäthet - starkt korrelerad med vägtäthet

Regressionsanalys Vi förklarar kommunernas betydelsefullhet och utsatthet med dessa enklare variabler: Betydelsefullhet: Vägnätets täthet och genomsnittligt trafikflöde i regionen Utsatthet: Vägnätets täthet och genomsnittlig restid i regionen

Resultat Förklaringsstyrkan ännu bättre på länsnivå (mindre beroende mellan regioner) Enklare mått på vägnätets täthet har lägre men OK förklaringsstyrka Nätverkstäthet eller resmönster var för sig ger betydligt sämre förklaringsstyrka Alltså: Genomsnittlig regional sårbarhet kan skattas med enkla indikatorer

Yttäckande avbrott Worst-case utsatthet: Försening per resenär i regionen vid avbrott i värsta rutan Kommuner för små, beräknar på länsnivå Avgörs av koncentration av resor till litet start/mål-område

Förhållande område/länk Värsta rutan jämfört med värsta länken Skillnaden störst i län med hög befolkningstäthet och vägtäthet

Yttäckande avbrott Genomsnittlig utsatthet: Konsekvens per resenär i regionen i genomsnitt över alla rutor Komplext: Långa restider, utspridd efterfrågan, glest nätverk avgör

Slutsatser Tydliga regionala skillnader i vägnätets långsiktiga sårbarhet De regionala skillnaderna beror starkt på vägnätets struktur, res- och boendemönster Avbrott på enskilda länkar: Genomsnittliga konsekvenser beror på vägnätets täthet och trafikflöden Genomsnittlig regional utsatthet beror på vägnätets täthet och genomsnittlig restid

Slutsatser Avbrott över större område: Konsekvenser beror på befolkning inuti området Worst-case regional utsatthet beror på koncentration av befolkning Allmänt: Mönster svåra att påverka med infrastrukturinvesteringar Minska sårbarhet snarare genom allokering av resurser för snabb återhämtning

Tack! http://www.infra.kth.se/tla/projects/vulnerability/ Uppsatser: Jenelius, E., Petersen, T. & Mattsson, L.-G. (2006), ”Importance and exposure in road network vulnerability analysis”, Transportation Research Part A 40, 537-560. Jenelius, E. (2009a), ”Network structure and travel patterns: Explaining the geographical disparities of road network vulnerability”, Journal of Transport Geography 17, 234-244. Jenelius, E. (2009b), ”Considering the user inequity of road network vulnerability”, Journal of Transport and Land Use, kommande. Jenelius, E. (2009c), ”Road network vulnerability analysis of area-covering disruptions: A grid-based approach with case study”, inskickad. http://www.infra.kth.se/tla/projects/vulnerability/